BMS 简介要点.ppt

Any Question? * * BMS 电池组状态检测-- SOC 1. SOC：电池当前可用电量与电池实际可放出总电量的比值（State of Charge） 算法复杂 需要大量历史数据 成本高昂 具有自学能力和自修正能力 人工神经网络法 系统算法难度高 适用于任何时刻，修正性好 有助于消除传感器精度、电磁波干扰 改进型滤波法结合其他技术长处 卡尔曼滤波法 软件成本高 需要大量存储空间 相比于数值运算而言，系统较为简单 模糊逻辑算法 模型复杂，难以实现 计算精准度很高 准确模型分析法 放电平台上偏差较大 电压回弹问题 测量方法简单，采集负担小 开路电压法（OCV） 内阻不稳定，准确测量困难 电池内阻 线性相关性好 直流内阻法 存在累积误差 对初值依赖性大（鲁棒性） 电池存在自放电问题 计算精度高 算法简单 安时法（电流积分） 缺点 优点 方法 3. 电池状态估算 BMS 电池组状态检测– SOH SOF 2. 锂离子电池的健康状况(State-of-Health,SOH) 有关SOH的估计方法主要分为传统和现代两类,传统的方法主要是以电池循环充放电试验为基础,对电池特性的变化情况进行分析,从而估计电池的SOH,缺点是造成浪费、试验周期长、不能在线实时测量等,不符合电动汽车的使用要求;在传统方法的基础上人们又研究了现代方法,该方法以不同的电池模型为基础,应用模糊逻辑算法、神经网络算法或者卡尔曼滤波算法等先进算法对电池的SOH进行估计,并且收到了很好的实用效果,其中应用卡尔曼滤波算法估计电池的SOH倍受关注。 3. 锂离子电池的功能状况(State-of-Function,SOF) 蓄电池功能状态，为SOC（state of charge）和SOH(state of health)的合集，主要表示对蓄电池剩余电量和寿命的概念，提出一个关于蓄电池 新概念。 BMS 优化控制– 均衡器控制 为了使多节串联锂电池之间能达到最大利用率，同时尽量减少过充过放对电池的损伤，延长 电池寿命，必须对串联电池单位进行均衡。 特斯拉电池组：16*6=96串联电池 特斯拉电池组：自主BMS BMS 优化控制– 均衡器控制 …… B1 B2 B3 Bn Bn-1 Bn-2 …… 电压监测 电流监测 Pack+ Pack- 温度传感器 Balance IC 均衡器结构： 各单体电池电压监测 2. 串联电路电流监测 （可以计算SOC，SOH等） 3. 电池组温度传感器 4. 均衡电路 BMS 优化控制– 均衡器控制 3. 均衡电路 电池均衡 被动均衡 固定分 流电阻 开关分 流电阻 主动均衡 基于绕组 基于电感 基于电容 基于开关 基于转换器 Buck Buck Boost Cuk 冗余开关 单 多 单 多 串联法 稳压管 BMS 优化控制– 均衡器控制 3.1. 均衡电路 - 被动式 电池均衡一般分为主动式和被动式两种。其中被动式也称为耗散型，通过集成或者外挂的电阻消耗掉某些电池的过量电能。这种简单直接的方式通用于大部分廉价系统（国内大部分厂商目前采用该设计）。 典型应用有：电动工具（清扫机或、割草机等），电动滑板或者自行车，不间断供电系统以及医疗器械。以及TESLA！ 充电过程中，CellA到达阈值之后， 耗散电路开关启动，给CellA放电， 同时充电电路截止。 CellA电压降至设定值时，耗散电路 截止，充电电路开启。 如此反复，一直到CellB充电达到阈值 此时A/B之间电压差小于设定。 由于电池内阻存在，可能会出现过 平衡或者是平衡不足。 即使是电压趋于平衡了，但并不意味 着电量平衡。 而且，被动平衡仅适用于充电过程， 放电过程靠电压监测，任意一节电池 出现低于临界值则全部电池组宕机。 TI的BQ77PL900芯片是该类代表。 BMS 优化控制– 均衡器控制 3.1. 均衡电路 - 被动式 电路设计图：IC控制内部MOS开关放电。 重要Device特性：MOSFET Rdson小、Rbal精确 Balancing IC FET的D-S需要有一定程度耐压。 D-S耐压要求 Ibal ~100mA左右（Rbal 40欧左右） 电压监测 实例分析：开关电阻 BMS 优化控制– 均衡器控制 BMS 优化控制– 均衡器控制 3.2. 均衡电路 – 主动式 相对于被动式平衡，主动式平衡可以有更好的能效。一般运用电容或者电感存储电量和能量，通过开关电路可以实现电池单体的充放电。一般运用在注重能量效率的电路中，特别是讲究续航时间的产品。（特斯拉，部分无人机等） 按照充放电行为可以分为3类： 电池单体-电池组充电 2. 电池单体-电池单体充电 3. 电池单体-电池组双